En 1958, al principio de la revolución informática, la Oficina de Investigación Naval de EE. UU. (ONR, por sus siglas en inglés) organizó una rueda de prensa para presentar un dispositivo inventado por el psicólogo Frank Rosenblatt en el Laboratorio Aeronáutico de Cornell (EE.UU.). Su creador bautizó al aparato como perceptrón, y The New York Times lo describió como "el embrión de un ordenador electrónico que [la Marina] espera hacer capaz de caminar, hablar, ver, escribir, reproducirse y ser consciente de su existencia". Aunque aquellas afirmaciones resultaron algo exageradas, el dispositivo dio lugar a un campo de investigación que todavía tiene un gran potencial en la actualidad.

Un perceptrón es una red neuronal de una sola capa. Sus descendientes directos son las redes neuronales del aprendizaje profundo que han generado tanto interés en los últimos años. Aunque el dispositivo de Rosenblatt nunca alcanzó su exagerado potencial, hay muchas esperanzas depositadas en sus descendientes.

Frente a la inteligencia artificial, actualmente se está generando otra revolución en el procesamiento de la información: la computación cuántica. Y eso plantea una cuestión interesante: ¿es posible implementar un perceptrón en un ordenador cuántico? Y, de ser así, ¿qué potencia tendría una máquina de estas características?

La respuesta a estas preguntas nace del trabajo del investigador de la Universidad de Pavia (Italia) Francesco Tacchino y sus colegas. El equipo ha construido el primer ordenador cuántico del mundo con un perceptrón integrado, y lo han puesto a prueba con algunas tareas simples de procesamiento de imágenes.

En su forma más sencilla, un perceptrón toma una entrada vectorial, un conjunto de números, y la multiplica por un vector de ponderación para producir una salida de un solo número. Si este número está por encima de un cierto umbral, la salida es 1, y si está por debajo del umbral, la salida es 0.

Este proceso tiene algunas aplicaciones útiles. Imagine una matriz de píxeles que produce un conjunto de niveles de intensidad de luz, uno para cada píxel, al generar imágenes de un patrón en particular. Cuando este conjunto de números se introduce en un perceptrón, produce una salida de 1 o 0. El objetivo es ajustar el vector de ponderación y el umbral para que la salida sea 1 cuando vea, digamos un gato, y 0 en todos los demás casos.

Tacchino y sus compañeros han replicado el trabajo inicial de Rosenblatt en un ordenador cuántico gracias al procesador cuántico superconductor de calidad Q-5 'Tenerife' de IBM. Se trata de un ordenador cuántico capaz de procesar cinco cúbits y que cualquiera puede programar online para escribir su propio algoritmo cuántico.

El equipo ha creado un algoritmo que toma como entrada un vector clásico (como una imagen), lo combina con un vector de ponderación cuántica y luego produce una salida de 0 o 1. La gran ventaja del ordenador cuántico es que permite un aumento exponencial en el número de dimensiones procesables. Mientras que un perceptrón clásico puede procesar una entrada de N dimensiones, un perceptrón cuántico puede procesar dimensiones 2^N.

Tacchino y sus compañeros lo demuestran en el procesador Q-5 de IBM. Debido al pequeño número de cúbits, el procesador puede manejar unas dimensiones de N = 2. Esto equivale a una imagen en blanco y negro de 2x2. Después, los investigadores lanzan la pregunta: ¿esta imagen contiene líneas horizontales o verticales, o un patrón tipo tablero de ajedrez?

Resulta que el perceptrón cuántico puede clasificar fácilmente los patrones en estas imágenes sencillas. La investigación detalla: "Demostramos que este modelo cuántico con un perceptrón se puede usar como un clasificador elemental no lineal de patrones simples".

Pero los investigadores no se quedaron ahí. También han demostrado que su sistema es capaz de abordar patrones más complejos, aunque de una manera limitada por la cantidad de cúbits que el procesador cuántico puede manejar.

Se trata de un trabajo interesante con un importante potencial. El equipo no tardó en darse cuenta de que un único perceptrón solo puede clasificar imágenes muy simples, como las líneas rectas. Sin embargo, otros científicos han descubierto que la combinación de perceptrones en capas tiene mucho más potencial. Otros avances y ajustes han creado máquinas capaces de reconocer objetos y caras con la misma precisión que los humanos, e incluso ganar al ajedrez y al Go contra los mejores jugadores humanos del mundo.

El perceptrón cuántico de Tacchino y sus colegas se encuentra en una etapa temprana similar de evolución. Los objetivos futuros se centrarán en codificar imágenes en la escala de grises y combinar perceptrones cuánticos en redes de múltiples capas.

El trabajo de este grupo tiene ese potencial. La investigación afirma: "Nuestro procedimiento es totalmente general y podría implementarse y ejecutarse en cualquier plataforma capaz de realizar la computación cuántica universal".

Por supuesto, el factor limitante es la disponibilidad de procesadores cuánticos potentes capaces de manejar grandes números de cúbits. Pero la mayoría de los investigadores cuánticos están de acuerdo en que este tipo de posibilidad está cerca.

De hecho, desde que Tacchino y sus colegas realizaron ese trabajo, IBM ya ha fabricado un procesador cuántico de 16 cúbits disponible en internet. Así que parece que es solo cuestión de tiempo antes de que los perceptrones cuánticos se vuelvan mucho más poderosos.

Ref: arxiv.org/abs/1811.02266: An Artificial Neuron Implemented on an Actual Quantum Processor